Analisis Tren Perubahan Intensitas Hujan (Studi Kasus: Jakarta dan Bogor)
Notice bibliographique
Résumé
Rainfall intensity and drainage channel capacity are the main inputs in flood management infrastructure planning. The Intensity-Duration-Frequency (IDF) curve in a region has a different pattern from other regions. This study examines the temporal distribution pattern of rain and the IDF curve with case studies of the Jakarta and Bogor, represented by Kemayoran Rainfall Station and Citeko Rainfall Station, respectively. This study compared data analysis from the above stations with the ABM Method, Modified Mononobe, Indonesian National Standard for Calculating Flood Discharge, and Indonesian National Standard for Road Surface Drainage Design. The analysis results showed that the rainfall event in the Jakarta and Bogor areas was dominated by events of ≤ 4 hours with the highest percentage of rainfall volume at the beginning of the event (at the first two hours of the event). The observed hourly rainfall data has a significant difference pattern with the rainfall distribution calculated using the ABM and Modified Mononobe methods. The IDF curve obtained from the Base Curve on the Indonesian National Standard for Road Surface Drainage Design gives higher results than the IDF curve of the observation data. Meanwhile, the IDF curve calculated using the Mononobe Equation gives lower results than the IDF curve of the observation data. This study shows that standard design of rainfall duration and rainfall intensity for drainage infrastructure planning and flood management need to be continuously developed based on the latest observational data with better temporal and spatial resolution. Continuous effort in improving codes and design standard needs to be conducted to respond to climate change challenges, dynamic regional developments, and the increasing trend of flood events in Indonesia.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».